聚焦全球热点新闻

主页
分享互联网新闻
黑丝人家资讯网-国内外新闻时事,奇事,新鲜事

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离

更新时间:2020-10-20 00:00:00点击:

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图1)

  金磊发自凹非寺

  量子位报道公众号 QbitAI

  「脱离」 (disengagement),在自动驾驶系统中是一个重要的指标。

  是指当自动驾驶汽车遇到故障,脱离自动驾驶模式,改为人类驾驶员接管车辆的情况。

  很多人认为「脱离」次数越少,就能说明一个自动驾驶系统能力越强。因此,以往的研究都会把「脱离」当作是故障来排除掉。

  但最近,UC 伯克利的研究人员却「以毒攻毒」,直接用这样的数据来训练机器人,预测未来何时将发生脱离事件

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图2)

  研究人员称它为LaND——从「脱离」中学会导航。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图3)

  研究人员表示,通过这样的方法得到的结果,要比传统的强化学习、模仿学习都要强。

  「开」着小车取数据

  老规矩,先来看下训练数据。

  既然伯克利的这项研究是想「以毒攻毒」,那么就必须收集出现故障时的那些数据。

  于是,研究人员用一辆Clearpath Jackal机器人做测试。

  先让这个机器人自己在路上「跑」,若是遇到如下三种情况则视为出故障,即开到人行道的两侧或撞到草丛等物体。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图4)

  当出现故障的情况后,机器人就会进入「脱离」状态,人类研究员便用遥控器,把它重新置于有效位置,以便让它再次自主行进。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图5)

  然后研究人员把在这些过程中,从机器人摄像头等传感器获取的图像等数据收集起来,作为训练数据。

  投喂到神经网络做预测

  拿到数据,就要开始训练了。

  目的就是用这些数据,来预测机器人在未来是否会脱离

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图6)

  具体的神经网络长这样。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图7)

  神经网络先使用MobileNetV2,对输入的图像观测值进行处理,紧接着是一系列的全连接层

  这些图像层的输出,将作为递归神经网络LSTM的初始隐含状态(hidden state),依次处理机器人未来的每一个动作,并输出相应的预测脱离概率。

  预测可视化的结果如下:

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图8)

  在众多可选路径中,颜色越深(红),则表明脱离的概率越高。

  性能优于传统方法

  最后,研究人员拿这种「以毒攻毒」的方法,与其它两种传统方法做对比,分别是模仿学习强化学习

  在对比实验中,三种方法所采用的数据都是一致的,实验结果如表所示。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图9)

  非常明显,当机器人在 2.3 公里长、从未走过的人行道中行进时,强化学习方法平均每 2 米就会脱离一次,模仿学习则是平均每 13.4 米就会脱离一次。

  而伯克利提出的「以毒攻毒」方法,效果非常显著——平均每 87.5 米才会脱离一次。

  作者介绍

  这项研究的作者均来自 UC 伯克利。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图10)

  Gregory Kahn

  论文一作叫 Gregory Kahn,是 UC 伯克利 EECS 的一名博士生。主要研究目标是开发算法,使机器人能够在现实世界中操作。

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离(图11)

  Pieter Abbeel

  Pieter Abbeel 是这项研究的另一位作者,目前在 UC 伯克利担任 BAIR 实验室的联合主任。

  他的研究致力于建立更加智能的系统,其实验室推动了深度强化学习、深度模仿学习、深度非监督式学习、迁移学习、元学习、学会学习,以及研究人工智能对社会的影响。

  参考链接:

  https://venturebeat.com/2020/10/15/researchers-detail-land-ai-that-learns-from-autonomous-vehicle-disengagements/

  论文地址:

  https://arxiv.org/abs/2010.04689